“`html
Хусейн Осман — ветеран полупроводниковой отрасли с более чем двухлетним опытом вывода на рынок кремниевых и программных продуктов, которые интегрируют решения для сенсорного восприятия, обработки и подключения, сосредоточившись на инновационных опытах, которые приносят ценность конечному пользователю. В последние пять лет он возглавляет стратегию решения sensAI и усилия по выходу на рынок в компании Lattice Semiconductor, создавая высокопроизводительные приложения ИИ/МЛ. Господин Осман получил степень бакалавра в области электротехники в Государственном университете Калифорнии в Сан-Луис-Обиспо.
Lattice Semiconductor (LSCC -12.49%) является поставщиком программируемых решений с низким энергопотреблением, используемых на рынках связи, вычислений, промышленности, автомобилестроения и потребительских товаров. Низкопотребляющие FPGA и программные инструменты компании предназначены для ускорения разработки и поддержки инноваций в приложениях от Edge до Cloud.
Edge AI набирает популярность по мере того, как компании ищут альтернативы облачному ИИ. Как вы видите, это изменение повлияет на полупроводниковую промышленность и какую роль играет Lattice Semiconductor в этой трансформации?
Edge AI действительно набирает популярность, и это связано с его потенциалом настоящей революции целых рынков. Организации из различных секторов обращаются к Edge AI, потому что он помогает им достигать более быстрых, эффективных и безопасных операций — особенно в реальном времени — по сравнению с облачными вычислениями. Это тот аспект, на который большинство людей обращает внимание: как Edge AI меняет бизнес-операции при его внедрении. Но идет и другой процесс, который происходит параллельно и начинается задолго до реализации.
Инновации в Edge AI побуждают производителей оригинального оборудования разрабатывать системные компоненты, которые могут запускать ИИ-модели, несмотря на ограничения по пространству. Это означает легкие, оптимизированные алгоритмы, специализированное оборудование и другие усовершенствования, которые дополняют и/или усиливают производительность. Именно здесь и вступает в игру Lattice Semiconductor.
Наши программируемые логические матрицы (FPGA) обеспечивают высокоадаптивное оборудование, необходимое для решения строгих системных требований, связанных с задержками, энергопотреблением, безопасностью, подключаемостью, размером и многим другим. Они предоставляют базу, на которой инженеры могут создавать устройства, способные поддерживать работоспособность критически важных автомобильных, промышленных и медицинских приложений. Это является основной областью нашего текущего инновационного процесса, и мы рады помочь клиентам преодолеть трудности и уверенно встретить эпоху Edge AI.
Каковы ключевые проблемы, с которыми сталкиваются компании при внедрении Edge AI, и как вы видите, что FPGA решают эти проблемы более эффективно, чем традиционные процессоры или GPU?
Некоторые проблемы, похоже, действительно универсальны, поскольку любая технология развивается. Например, разработчики и бизнес, стремящиеся использовать мощь Edge AI, скорее всего, столкнутся с общими трудностями, такими как:
- Управление ресурсами. Устройства Edge AI должны выполнять сложные процессы надежно, работая в условиях ограниченной вычислительной мощности и батареи.
- Хотя Edge AI предлагает преимущества конфиденциальности локальной обработки данных, это создает другие проблемы безопасности, такие как возможность физического вмешательства или уязвимостей, связанных с моделями меньшего масштаба.
- Экосистемы Edge AI могут быть очень разнообразными в аппаратных архитектурах и вычислительных требованиях, что усложняет упрощение таких аспектов, как управление данными и обновлениям моделей в больших масштабах.
FPGA предлагают компаниям преимущество в решении этих ключевых вопросов благодаря их сочетанию эффективной параллельной обработки, низкому потреблению энергии, аппаратным средствам безопасности и возможностям повторной конфигурации. Хотя это может звучать как маркетинговая терминология, это важные функции для решения основных проблем Edge AI.
FPGA традиционно использовались для выполнения функций, таких как связывание и расширение ввода-вывода. Что делает их особенно подходящими для приложений Edge AI?
Да, вы абсолютно правы, что FPGA отлично справляются с задачами подключения — и это часть того, что делает их такими мощными в приложениях Edge AI. Как вы упомянули, у них есть настраиваемые порты ввода-вывода, которые позволяют им взаимодействовать с различными устройствами и протоколами связи. Дополнительно они могут выполнять такие функции, как связывание и слияние данных от сенсоров, чтобы обеспечить бесперебойный обмен данными, агрегацию и синхронизацию между различными компонентами системы, включая устаревшие и новые стандарты. Эти функции особенно важны по мере усложнения экосистем Edge AI и увеличения потребности в совместимости и масштабируемости.
Тем не менее, как мы обсуждали, преимущества подключения FPGA — это лишь верхушка айсберга; также важно то, как их адаптивность, вычислительная мощность, энергоэффективность и функции безопасности обеспечивают результаты. Например, FPGA можно настраивать и перенастраивать для выполнения конкретных задач ИИ, позволяя разработчикам адаптировать приложения к их уникальным требованиям и изменяющимся условиям.
Можете объяснить, как низкопотребляющие FPGA сравниваются с GPU и ASIC с точки зрения эффективности, масштабируемости и возможностей обработки в реальном времени для Edge AI?
Я не буду притворяться, что оборудование такое как GPU и ASIC не обладает вычислительной мощностью для поддержки приложений Edge AI. Оно есть. Но FPGA действительно имеют «преимущество» перед этими компонентами в других областях, таких как задержка и гибкость. Например, как GPU, так и FPGA могут выполнять параллельную обработку, но оборудование GPU спроектировано для широкой привлекательности и не так хорошо подходит для поддержки конкретных Edge приложений, как FPGA. С другой стороны, ASIC нацелены на определенные приложения, но их фиксированная функциональность означает, что им потребуются полные redesign для учета любых значительных изменений использования. FPGA построены с целью предоставить лучшее из обоих миров; они предлагают низкую задержку, которая приходит с пользовательскими аппаратными конвейерами, и пространство для модификаций после развертывания, когда модели Edge требуют обновлений.
Конечно, ни один из вариантов не является единственно правильным. Это зависит от каждого разработчика, что имеет смысл для их системы. Им следует тщательно обдумать основные функции приложения, специфические результаты, которых они пытаются достичь, и какую гибкость должен иметь проект с точки зрения подготовки к будущему. Это позволит им выбрать правильный комплект оборудования и программного обеспечения для выполнения их требований — просто нам кажется, что FPGA обычно являются правильным выбором.
Как FPGA от Lattice усиливают принятие решений, движимых ИИ, на краю, особенно в таких отраслях, как автомобилестроение, промышленная автоматизация и IoT?
Возможности параллельной обработки FPGA — это отличное место для начала. В отличие от последовательных процессоров, архитектура FPGA позволяет им выполнять множество задач параллельно, включая вычисления ИИ, при этом все настраиваемые логические блоки выполняют разные операции одновременно. Это обеспечивает высокую пропускную способность и низкую задержку, необходимые для поддержки приложений в реальном времени в ключевых вертикалях, которые вы назвали — будь то автономные автомобили, smart-промышленные роботы или даже устройства умного дома или носимые медицинские устройства. Кроме того, их можно настраивать для конкретных задач ИИ и легко перепрограммировать на месте по мере изменения моделей и требований. Наконец, они предлагают функции безопасности на уровне оборудования, чтобы гарантировать, что системы, управляемые ИИ, остаются безопасными с момента загрузки до обработки данных и далее.
Каковы некоторые реальные примеры использования, где FPGA от Lattice значительно улучшили производительность, безопасность или эффективность Edge AI?
Отличный вопрос! Одним из приложений, которое мне кажется действительно увлекательным, является то, как инженеры используют FPGA от Lattice для создания следующего поколения умных роботов с ИИ. Интеллектуальным роботам нужны возможности обработки в реальном времени на устройстве, чтобы обеспечить безопасную автоматизацию, и это то, что предназначено для Edge AI. Спрос на таких помощников растет, как и сложность и sophistication их функций. На недавней конференции команда Lattice продемонстрировала, как использование FPGA позволило умному роботу отслеживать траекторию мяча и поймать его в воздухе, показывая, насколько быстро и точно эти машины могут работать, когда созданы с правильными технологиями.
Мне интересны изменения в проектировании, которые происходят для обеспечения этих приложений. Например, вместо того чтобы полагаться исключительно на ЦП или другие традиционные процессоры, разработчики начинают интегрировать FPGA в общий процесс. Главное преимущество в том, что FPGA могут взаимодействовать с большим количеством сенсоров и актуаторов (и более разнообразным диапазоном этих компонентов), одновременно выполняя задачи низкого уровня непосредственно рядом с этими сенсорами, освобождая основной вычислительный движок для более сложных вычислений.
С учетом растущего спроса на вывод ИИ на краю, как Lattice обеспечивает конкурентоспособность своих FPGA по сравнению со специализированными ИИ-чипами, разработанными крупными полупроводниковыми компаниями?
Нет никаких сомнений в том, что гонка за ИИ-чипами движет большую часть полупроводниковой индустрии — просто посмотрите, как такие компании, как Nvidia, перешли от создания видеокарт для игр к становлению гигантами ИИ-индустрии. Тем не менее, Lattice приносит уникальные преимущества, которые выделяют нас даже по мере насыщения рынка.
FPGA — это не просто компонент, в который мы выбираем инвестировать, потому что спрос растет; это важная часть нашей основной продуктовой линии. Сильные стороны наших предложений FPGA — от задержек и программируемости до потребления энергии и масштабируемости — являются результатом многих лет технической разработки и доводки. Мы также предоставляем полный спектр передового программного обеспечения и решений, предназначенных для оптимизации использования FPGA в дизайне ИИ и не только.
Мы усовершенствовали наши FPGA благодаря многолетним непрерывным улучшениям, основанным на итерациях нашей аппаратуры и программных решений и отношениях с партнерами в полупроводниковой промышленности. Мы продолжим быть конкурентоспособными, следуя этому пути, сотрудничая с партнерами по дизайну, разработке и внедрению, чтобы гарантировать, что мы предоставляем нашим клиентам наиболее актуальные и надежные технические возможности.
Какова роль программируемости в способности FPGA адаптироваться к развивающимся моделям и рабочим нагрузкам ИИ?
В отличие от аппаратного обеспечения с фиксированной функциональностью, FPGA могут быть перенастроены и перепрограммированы после развертывания. Эта врожденная адаптивность, возможно, является их самым большим отличием, особенно в поддержке развивающихся моделей и рабочих нагрузок ИИ. Учитывая, насколько динамична сфера ИИ, разработчики должны иметь возможность поддерживать обновления алгоритмов, растущие наборы данных и другие значительные изменения по мере их возникновения, не беспокоясь о постоянных обновлениях аппаратуры.
Например, FPGA уже играют ключевую роль в продолжающемся переходе к постквантовой криптографии (PQC). Поскольку компании готовятся противостоять потенциальным квантовым угрозам и работают над заменой уязвимых схем шифрования на алгоритмы следующего поколения, они используют FPGA для обеспечения плавного перехода и соблюдения новых стандартов PQC.
Как FPGA от Lattice помогают компаниям сбалансировать компромисс между производительностью, потреблением энергии и стоимостью при развертывании Edge AI?
В конечном итоге разработчики не должны выбирать между производительностью и возможностями. Да, приложения Edge часто сталкиваются с вычислительными ограничениями, энергетическими ограничениями и увеличенной задержкой. Но с FPGA от Lattice разработчики получают гибкое, энергоэффективное и масштабируемое оборудование, которое более чем способно смягчить эти трудности. Настраиваемые интерфейсы ввода-вывода, например, обеспечивают подключение к различным приложениям Edge, снижая сложность.
Модификация после развертывания также упрощает корректировку в зависимости от потребностей развивающихся моделей. Кроме того, предобработка и агрегация данных могут происходить на FPGA, снижая нагрузку по энергии и вычислениям на Edge-процессорах, уменьшая задержку и, следовательно, снижая затраты и повышая эффективность системы.
Как вы видите будущее аппаратного обеспечения ИИ в ближайшие 5-10 лет, особенно в отношении Edge AI и энергоэффективной обработки?
Устройства Edge должны быть быстрее и мощнее, чтобы справляться с вычислительными и энергетическими требованиями всё более сложных алгоритмов ИИ и МЛ, необходимых для успешной работы бизнеса — особенно по мере того, как эти приложения становятся более распространенными. Возможности динамических аппаратных компонентов, поддерживающих Edge-приложения, также должны адаптироваться, становясь меньше, умнее и более интегрированными. FPGA должны расширять свою существующую гибкость, предлагая низкие задержки и возможности низкого энергопотребления для более высоких уровней требований. С такими возможностями FPGA продолжат помогать разработчикам легко перепрограммировать и перенастраивать системы для удовлетворения потребностей развивающихся моделей — будь то для более сложных автономных автомобилей, промышленной автоматизации, смарт-городов или чего-то ещё.
Спасибо за замечательное интервью, читатели, которые хотят узнать больше, могут посетить Lattice Semiconductor.
